torch中三维滤核卷积时的填充规则

在PyTorch中进行三维滤波器（卷积核）卷积时，填充规则非常重要，因为它决定了输出张量的尺寸相对于输入张量的变化。这里有几种常见的填充策略：

1. **No padding (valid convolution)**[^1]:
当不使用填充（`padding=0`），卷积只在输入张量的有效区域进行，所以输出张量的大小会比输入小。

2. **Same padding (also known as zero-padding or same filter size convolution)**:
如果希望保持输入和输出在每个维度上的相同尺寸（通常是通过设置填充等于过滤器半径），可以使用`padding=same`。这会在输入边界添加零元素，使得卷积后的输出尺寸与输入相同。

3. **Custom padding**:
可以指定自定义的填充长度，允许对边缘行为有更多控制。例如，如果`padding=(p1, p2, p3, p4)`，则沿每个维度都会向左和右各添加`p1`和`p2`个零元素。

在实践中，这些选项可以通过`nn.Conv3d`模块的`padding`参数来设置。例如：

import torch.nn as nn

# 假设我们有一个3D输入和一个3D卷积核
input_tensor = torch.rand(1, 16, 10, 10, 10)
conv_layer = nn.Conv3d(in_channels=16, out_channels=8, kernel_size=3, padding=(1, 1, 1))

output_tensor = conv_layer(input_tensor)

在这个例子中，我们设置了每个维度的填充为1，所以输出的尺寸会与输入在每个维度上保持一致（因为卷积核大小为3，加上1的填充）。实际应用中，要根据具体需求选择合适的填充方式。